L’Intelligence Artificielle générative et le bon sens paysan

Je ne suis ni économiste, ni stratège et je suis incapable de dire aujourd’hui si l’Intelligence Artificielle (IA) générative est plutôt l’équivalent du moteur à explosion ou d’internet, ni s’il s’agit de la mère de toutes les bulles ou de la fin du travail, mais je fais des projets d’IA avec mes clients depuis plus de 10 ans en essayant qu’ils produisent des fruits digestes.

J’entends beaucoup de raccourcis sur l’IA générative, diable pour certains, martingale pour d’autres. C’est sans doute que son succès médiatique a été trop rapide pour nos intelligences bassement humaines.

La réalité est que cette technologie et le gap qu’elle fait franchir en termes de « simulation du langage humain » et de « création » contient de belles promesses dans la plupart des secteurs : elle code déjà souvent mieux que l’humain, elle est réputée surpasser l’humain pour le diagnostic médical, elle peut faire gagner beaucoup de temps dans la production de contenu marketing, elle peut fournir des robots conversationnels quasi humains plein de promesses pour l’expérience client.

Mais elle fait aussi l’objet de sur-promesses aux dépens de ses utilisateurs à l’instar de cet avocat américain démasqué après avoir plaidé sur la base d’une jurisprudence hallucinée par ChatGPT.

L’IA générative vient avec de nombreux écueils (biais, hallucinations, fuites de données, pertes d’IP, paresse intellectuelle, maîtrise des coûts, impacts écologiques…) mais, selon moi, deux d’entre eux devraient particulièrement titiller le paysan qui sommeille en nous :

• Le premier est son côté « boîte noire ». On met à disposition du grand public et des entreprises des outils dont quasiment personne ne comprend le fonctionnement ; on peut se dire que ça n’est pas grave : on laisse bien conduire des voitures à des personnes qui ignorent tout du fonctionnement d’un moteur, mais dans le cas de l’IA, les impacts potentiels sont sans commune mesure.

• Le deuxième est la viabilité économique (openIA en faillite virtuelle en 2024) et donc les surprises à venir en termes de coûts d’utilisation une fois notre dépendance acquise. 

Pour ces deux raisons, il est urgent pour les entreprises de bien comprendre ces technologies et, tant que les éditeurs ne feront pas preuve de plus de transparence (référencement des sources, explicabilité du résultat, indice de vérité, respect des réglementations, prédictibilité des coûts…), l’open-Source constitue sans doute a minima un passage nécessaire pour s’approprier réellement ces technologies et ne pas devenir trop dépendant.

Un paysan ne récolte que ce qu’il sème : il n’y aura pas plus de gains sans efforts pour l’IA générative que pour l’IA traditionnelle. Aujourd’hui, si le potentiel de l’IA est très loin d’avoir généré la valeur promise, ça n’est pas une question de technologie, mais une question d’engagement managérial. On veut des bénéfices sans consentir à s’engager, comme ce directeur commercial qui veut doper ses ventes grâce à l’IA sans consentir à accorder à ses commerciaux du temps de saisie des données clients. 

Pour les IA génératives, il y aura de nombreuses désillusions de performance ou d’acceptabilité métier, mais surtout, les merveilles promises ne se réaliseront jamais si l’on n’accepte pas qu’une IA qui apporte une vraie valeur est une IA qui transforme en profondeur un processus et l’ensemble de la chaîne humaine qui y contribue.  

C’est là où le bon sens paysan l’emporte, ne cherchons pas à départager Sam Altman et Elon Musk… mais expérimentons pour comprendre le cœur de ces technologies, sans oublier l’open-source, identifions les bonnes graines de cas d’usages sans en espérer de haricots magiques, expérimentons en mitigeant bien les risques, travaillons avec l’ensemble des acteurs pour passer à l’échelle, gouvernons les cas d’usages et la valeur réelle des fruits produits.